10kV配电网单相接地故障区段定位方法技术

一种10kV配电网单相接地故障区段定位方法，从电网配用电信息数据源中获取配电网的固有特征以及历史故障记录中的故障定位条件特征和结果特征；以各种类型配电网的固有特征作为自组织映射神经网络SOM的输入进行聚类，将特征相似的配电网聚为一类；将每一类配电网的故障定位条件特征与结果特征作为广义回归神经网络GRNN的输入进行训练，获得每一类配电网的故障定位模型；当配电网在运行过程中发生单相接地故障时，根据发生故障的配电网所属的聚类类别，将该配电网各供电区段的故障定位条件特征输入到与该类别对应的配电网故障定位模型中，得到故障区段定位结果。本发明专利技术数据来源广，容错性高，能够快速准确地定位故障区段。

Location Method of Single-Phase Grounding Fault Section in 10kV Distribution Network

A single-phase grounding fault location method for 10 kV distribution network is presented. The intrinsic characteristics of distribution network and the characteristics of fault location conditions and results in historical fault records are obtained from the data sources of distribution information. The intrinsic characteristics of various types of distribution network are clustered as input of SOM, and the distribution networks with similar characteristics are clustered into one group. Distribution network fault location condition characteristics and result characteristics are trained as input of generalized regression neural network GRNN, and each type of distribution network fault location model is obtained. When single-phase grounding fault occurs during the operation of the distribution network, according to the clustering category of the distribution network where the fault occurs, the fault location condition characteristics of each power supply section of the distribution network are input into the same category. In the corresponding distribution network fault location model, the fault section location results are obtained. The method has wide data sources and high fault tolerance, and can locate fault sections quickly and accurately.

【技术实现步骤摘要】
10kV配电网单相接地故障区段定位方法
本专利技术涉及电网运行管理领域，尤其涉及一种10kV配电网单相接地故障区段定位方法。
技术介绍
配电网中最易发生的故障是单相接地短路故障(以下称单相接地故障)。我国10kV配电网大多采用小电流接地方式，发生单相接地故障后，线电压仍然对称、故障电流小，虽暂不影响对负荷的连续供电，但长时间运行可能导致故障扩大或损坏电气设备，因此快速准确地找到故障位置对配电网安全稳定运行具有重要意义。但由于10kV配电网分支线众多，故障区段的判断较为困难，传统定位方法依靠的是人工巡线，由电网操作人员沿着线路巡视，查找故障地点，这种方法不仅会耗费大量的人力物力，而且效率也不高，延长了用户的停电时间，对供电可靠性产生了较大的影响。在配电网短路故障定位方面，已有研究提出了矩阵算法和行波法等方法。矩阵算法大多基于配电网中安装的监测装置，需要利用故障指示器和馈线终端单元(FTU)等装置监测到的信号进行定位，很大程度上依赖于配电网FTU的配备情况，且由于室外环境恶劣，容易出现错报，此外，由于仅使用单一指标、容错性不高，常会出现定位错误。10kV配电网分支线众多，行波法易受过渡电阻及电网运行方式影响，并且由于电缆与架空线混合线路中行波的波速度不一致以及行波在众多线路分支点处会发生频繁的折反射，这些都会给故障定位的准确性带来很大的影响。
技术实现思路
本专利技术提供一种10kV配电网单相接地故障区段定位方法，数据来源广，容错性高，能够快速准确地定位故障区段。为了达到上述目的，本专利技术提供一种10kV配电网单相接地故障区段定位方法，包含以下步骤：步骤S1、从电网配用电信息数据源中获取配电网的固有特征以及历史故障记录中的故障定位条件特征和结果特征；步骤S2、以各种类型配电网的固有特征作为自组织映射神经网络SOM的输入进行聚类，将特征相似的配电网聚为一类；步骤S3、将每一类配电网的故障定位条件特征与结果特征作为广义回归神经网络GRNN的输入进行训练，获得每一类配电网的故障定位模型；步骤S4、当配电网在运行过程中发生单相接地故障时，根据发生故障的配电网所属的聚类类别，将该配电网各供电区段的故障定位条件特征输入到与该类别对应的配电网故障定位模型中，得到故障区段定位结果。所述的电网配用电信息数据源包含：生产管理系统、故障抢修管理系统、SCADA系统、配电自动化系统、供电电压检测系统、配变负荷监测系统、电能质量在线监测系统、用电信息采集系统、负荷控制与管理系统、营销业务管理系统、可靠性分析系统、线损系统、故障录波系统。所述的固有特征包含：系统运行方式；线路均匀度：以架空线路占所有线路的比例来衡量线路的均匀程度；线路分支度：以配电网内的分支线数与主馈线数之比来衡量网络的分支程度；负载率：负载率是配电网中各配电变压器及线路承担的负荷与其额定容量之比的平均值。所述的故障定位条件特征包含：电气量特征：故障前馈线电流、故障后馈线电流、故障前母线电压、故障后母线电压、故障前配变电压、故障后配变电压、故障前配变电流、故障后配变电流、故障前用户电压、故障后用户电压、故障前用户电流、故障后用户电流；线路特征：线路长度、线路型号。所述的故障定位结果特征包含：“0”和“1”，0表示未发生故障，1表示发生了故障。所述的自组织映射神经网络对配电网进行聚类的方法包含以下步骤：步骤S2.1、初始化与向量归一化；使用随机值对各神经元的权重进行初始化，对输入向量和权重向量进行归一化处理；步骤S2.2、寻找获胜神经元；对于输入的样本，寻找与其最相配的神经元，通过计算样本向量和神经元权重向量wji之间的欧几里得距离作为判断标准，距离最小的即为获胜神经元；输入样本为X＝{x1,x2,x3,x4}，其中x1，x2，x3，x4分别代表配电网的四个固有特征，i表示第i个输入样本，j表示第j个神经元，判别函数为：步骤S2.3、权值调整；设获胜神经元为I(x)，对获胜神经元的临近节点进行权重更新；令S表示节点间的距离，σ为邻域参数，对I(x)的临近节点，分配更新权重：步骤S2.4、更新节点参数；使用梯度下降法对节点参数进行更新，其中η为学习率：Δwji＝η(t)·Tj,I(x)(t)·(xi-wji)更新完毕后，读取新的输入样本，从步骤S2.2开始重复学习过程，直到完成所有样本的训练，最终输出编号相同的神经元代表特征相似的一类，即配电网聚类结果。所述的广义回归神经网络训练获得故障定位模型的方法包含以下步骤：步骤S3.1、输入层的神经元数量等于配电网故障定位条件特征维数，各个神经元简单分布排列，将输入向量直接传递到模式层；步骤S3.2、以故障定位条件特征与故障定位结果特征作为训练样本，模式层的神经元数量等于训练样本数目n，即历史故障记录条数，各个神经元对应各个训练样本，传递函数为：式中，X为网络输入，Xi为第i个神经元所对应的训练样本，σ为函数宽度参数，神经元i的输出是输入变量与对应的训练样本X间欧式距离平方的指数：步骤S3.3、模式层输出神经元至求和层后，使用两种类型的神经元来进行求和：一类计算公式为：其对模式层所有神经元输出算术求和，模式层与各个神经元连接权值为1，传递函数为：另一类的计算公式为：其对模式层所有神经元加权求和，模式层中的第i个神经元与求和层中的第j个分子求和神经元间的连接权值为第i个输出样本Yi中第j个元素，传递函数为步骤S3.4、输出层的神经元数量等于配电网故障定位结果特征维数k，将各个神经元在求和层得到的两类求和结果相除，结果Y(X)的第j个元素对应为神经元j的输出，即：本专利技术使用配电网中的多源信息数据，克服传统故障定位方法数据来源少、容错性低的缺陷，通过对配电网进行聚类，对不同类基于GRNN构建不同的定位模型，使模型更符合各配电网自身特征，能够有效诊断出10kV配电网发生单相接地故障的区段，且具有较高的准确度与较快的速度，在出现错误或是缺失数据的情况下，容错性较高，能够为10kV配电网短路故障区段定位提供参考，为电网运行人员及时发现和处理故障线路提供科学手段，达到进一步提升配电网供电可靠性的目的。附图说明图1是本专利技术提供的一种10kV配电网单相接地故障区段定位方法的流程图。图2是本专利技术提供的一种10kV配电网单相接地故障区段定位方法的实施例的流程图。具体实施方式以下根据图1和图2，具体说明本专利技术的较佳实施例。如图1所示，本专利技术提供一种10kV配电网单相接地故障区段定位方法，包含以下步骤：步骤S1、从电网配用电信息数据源中获取配电网的固有特征以及历史故障记录中的故障定位条件特征和结果特征；步骤S2、以各种类型配电网的固有特征作为自组织映射神经网络SOM的输入进行聚类，将特征相似的配电网聚为一类；步骤S3、将每一类配电网的故障定位条件特征与结果特征作为广义回归神经网络GRNN的输入进行训练，获得每一类配电网的故障定位模型；步骤S4、当配电网在运行过程中发生单相接地故障时，根据发生故障的配电网所属的聚类类别，将该配电网各供电区段的故障定位条件特征输入到与该类别对应的配电网故障定位模型中，得到故障区段定位结果。如图2所示，在本专利技术的一个实施例中，所述的步骤S1中，所述的电网配用电信息数据源包含：生产管理系统、故障抢修管理系统、SCADA系统、配电本文档来自技高网...

【技术保护点】
1.一种10kV配电网单相接地故障区段定位方法，其特征在于，包含以下步骤：步骤S1、从电网配用电信息数据源中获取配电网的固有特征以及历史故障记录中的故障定位条件特征和结果特征；步骤S2、以各种类型配电网的固有特征作为自组织映射神经网络SOM的输入进行聚类，将特征相似的配电网聚为一类；步骤S3、将每一类配电网的故障定位条件特征与结果特征作为广义回归神经网络GRNN的输入进行训练，获得每一类配电网的故障定位模型；步骤S4、当配电网在运行过程中发生单相接地故障时，根据发生故障的配电网所属的聚类类别，将该配电网各供电区段的故障定位条件特征输入到与该类别对应的配电网故障定位模型中，得到故障区段定位结果。

【技术特征摘要】
1.一种10kV配电网单相接地故障区段定位方法，其特征在于，包含以下步骤：步骤S1、从电网配用电信息数据源中获取配电网的固有特征以及历史故障记录中的故障定位条件特征和结果特征；步骤S2、以各种类型配电网的固有特征作为自组织映射神经网络SOM的输入进行聚类，将特征相似的配电网聚为一类；步骤S3、将每一类配电网的故障定位条件特征与结果特征作为广义回归神经网络GRNN的输入进行训练，获得每一类配电网的故障定位模型；步骤S4、当配电网在运行过程中发生单相接地故障时，根据发生故障的配电网所属的聚类类别，将该配电网各供电区段的故障定位条件特征输入到与该类别对应的配电网故障定位模型中，得到故障区段定位结果。2.如权利要求1所述的10kV配电网单相接地故障区段定位方法，其特征在于，所述的电网配用电信息数据源包含：生产管理系统、故障抢修管理系统、SCADA系统、配电自动化系统、供电电压检测系统、配变负荷监测系统、电能质量在线监测系统、用电信息采集系统、负荷控制与管理系统、营销业务管理系统、可靠性分析系统、线损系统、故障录波系统。3.如权利要求1所述的10kV配电网单相接地故障区段定位方法，其特征在于，所述的固有特征包含：系统运行方式；线路均匀度：以架空线路占所有线路的比例来衡量线路的均匀程度；线路分支度：以配电网内的分支线数与主馈线数之比来衡量网络的分支程度；负载率：负载率是配电网中各配电变压器及线路承担的负荷与其额定容量之比的平均值。4.如权利要求1所述的10kV配电网单相接地故障区段定位方法，其特征在于，所述的故障定位条件特征包含：电气量特征：故障前馈线电流、故障后馈线电流、故障前母线电压、故障后母线电压、故障前配变电压、故障后配变电压、故障前配变电流、故障后配变电流、故障前用户电压、故障后用户电压、故障前用户电流、故障后用户电流；线路特征：线路长度、线路型号。5.如权利要求1所述的10kV配电网单相接地故障区段定位方法，其特征在于，所述的故障定位结果特征包含：“0”和“1”，0表示未发生故障，1表示发生了故障。6.如权利要求1所述的10kV配电网单相接地故障区段定位方法，其特征在于，所述的自组织映射神经网络对配电网进行聚类的方法包含以下步骤：步骤S2.1、初始化与...

【专利技术属性】
技术研发人员：刘思怡，张焰，苏运，
申请(专利权)人：国网上海市电力公司，上海交通大学，
类型：发明
国别省市：上海,31